Redes complexas são modelos multidisciplinares que podem representar qualquer sistema no qual elementos se conectam. Além disso, doenças virais evoluem por meio de relações onde pessoas se conectam entre si, o que traz uma relação um para um no uso da modelagem:

Pensando nisso e baseado em estudos científicos prévios, o artigo utiliza redes complexas multi-camada para representar camadas da sociedade onde há contato entre pessoas e, consequentemente, probabilidade de contágio da COVID-19.
O trabalho utiliza informações demográficas como faixa etária e quantidade de pessoas por casa para simular seis camadas sociais: sistema de transporte, ambientes trabalho, domicílios, encontros ocasionais, cultos religiosos e escolas.

Assim, a simulação se da inicio a partir de um indivíduo infectado na rede e, a cada passo da simulação, suas conexões são ou não infectados, segundo uma certa probabilidade.
É válido lembrar que o estudo é uma extensão do clássico modelo de evolução de epidemia SIR (susceptível-infectado-recuperado), onde um indivíduo susceptível pode passar para um estado de infectado e depois de um certo período de tempo ele se recupera. Porém, além de trazer o modelo de evolução de epidemia mais próximo da realidade por meio das camadas sociais, o modelo também estende o estado ‘infectado’ da rede, como mostra a figura abaixo:

Deste modo, além dos indivíduos suscetíveis e os recuperados já conhecidos no SIR, no novo modelo, consideramos os indivíduos que, infelizmente, venham a falecer e o estado infectado é repaginado para quatro novos tipos: assintomáticos, moderados, severos e críticos (que podem ser observados na imagem acima ou no artigo completo).
A duração média em que cada individuo se mantem em cada um dos estados (susceptível, infectado assintomático, infectado moderado, infectado grave e infectado crítico) também é levada em consideração na simulação. Além disso, as probabilidades de contágio também levam em consideração questões sobre a frequência de encontro dos dois indivíduos e nível aglomeração dos ambientes (casa, trabalho, …).
Inserindo dados populacionais brasileiros extraídos do IBGE, o método mostrou-se bem próximo aos dados reais. É importante enfatizar que, há uma conhecida taxa de subnotificação nos dados que pode ser justificado pela baixa testagem da população e que podem ser mostrado pela alta de mortalidade causada por doenças respiratórias em relação ao mesmo período do ano passado.

As simulações foram projetadas em diversos cenários, como manutenção, redução e aumento do isolamento. Os resultados são compatíveis com as análises de especialistas e prevê novos casos surgindo até Setembro considerando que nível de isolamento se mantenha.

A busca por alternativas que preservem a qualidade no atendimento do sistema de saúde brasileiro é crucial para que o número de mortes não aumente consideravelmente. Por isso, o modelo ainda estima a demanda por leitos de hospitais. Mais resultados podem ser observados nas imagens abaixo:



Acesse o link abaixo para ter acesso ao artigo completo e todas as referências:
‘Social Interaction Layers in Complex Networks for the Dynamical Epidemic Modeling of COVID-19 in Brazil‘ de Leonardo F. S. Scabini, Lucas C. Ribas, Mariane B. Neiva, Altamir G. B. Junior, Alex J. F. Farfán, Odemir M. Bruno
Imagens: Leonardo F. S. Scabini
Responsável pela página: Mariane Neiva